Qu'est-ce qu'un modèle hiérarchique?
Modèles hiérarchiques et à effets mixtes en R
Richard Erickson
Data Scientist
Aperçu du cours
- Composantes des modèles à effets mixtes
- Application et interprétation des modèles linéaires à effets mixtes
- Modèles linéaires généralisés à effets mixtes
- Modèles à mesures répétées
Pourquoi utiliser un modèle hiérarchique?
- Données imbriquées les unes dans les autres
- Mutualiser l'information pour de petits échantillons
- Observations répétées par groupe ou individu
Autres appellations des modèles hiérarchiques
- Modèles hiérarchiques : modèles imbriqués, modèles à plusieurs niveaux
- Cadre de régression
- « Mutualiser » l'information
- « Effet aléatoire » vs « effet fixe »
- « Effets mixtes » (modèle linéaire à effets mixtes ; LMM)
- Régression linéaire à effets mixtes (lmer)
- Échantillonnage répété : « mesures répétées », « tests appariés »
Résultats scolaires
Méta‑données :
- Gain en mathématiques des élèves de la maternelle à la 1re année
- Partie d'une évaluation nationale aux É.-U.
- Sous‑ensemble de données de West, Welch et Galecki
Variables au niveau élève :
- ID élève :
childid - Gain au test de math :
mathgain - Score de math à la maternelle :
mathdind - Sexe de l'élève :
sex - Statut minoritaire de l'élève :
minority
Résultats scolaires
Variables au niveau classe:
- ID de la classe :
classid - Formation de l'enseignant(e) en math :
mathprep - Score de l'enseignant(e) au test de connaissances en math :
mathknow - Années d'enseignement de l'enseignant(e) :
yearstea
Variables au niveau école:
- ID de l'école :
schoolid - Niveau de pauvreté des ménages de l'école :
housepov - Statut socioéconomique de l'école :
ses
Passons à la pratique !
Modèles hiérarchiques et à effets mixtes en R
